ADITYA, RAFIF HUDA (2025) IMPLEMENTASI METODE BOOSTING UNTUK PREDIKSI JENIS TANAMAN BERDASARKAN KONDISI TANAH. Undergraduate thesis, Universitas Islam Sultan Agung.

	Text Teknik Informatika_32602100109_fullpdf.pdf Baca Disini (2MB) | Download (2MB)
	Text Teknik Informatika_32602100109_pernyataan_publikasi.pdf Restricted to Registered users only Baca Disini (824kB) | Download (824kB)

Abstract

Pertanian merupakan sektor strategis dalam mendukung ketahanan pangan dan pembangunan berkelanjutan, khususnya terkait SDG 2 (Zero Hunger) dan SDG 9 (Industry, Innovation, and Infrastructure). Tantangan global seperti degradasi tanah dan perubahan iklim menuntut adanya inovasi berbasis teknologi. Penelitian ini bertujuan mengembangkan sistem prediksi jenis tanaman berdasarkan parameter tanah (N, P, K, suhu, kelembaban, pH) dengan membandingkan algoritma Gradient Boosting Machine (GBM) dan Light Gradient Boosting Machine (LightGBM). Dataset diperoleh dari Kaggle dan diproses melalui normalisasi serta label encoding, kemudian dilakukan hyperparameter tuning dengan RandomizedSearch. Hasil menunjukkan GBM memiliki akurasi 96,14% dan LightGBM 96,82%. Sistem ini diimplementasikan dalam antarmuka web menggunakan Streamlit. Temuan penelitian menunjukkan bahwa metode boosting efektif digunakan pada sistem rekomendasi tanaman berbasis kondisi tanah, sekaligus mendukung penerapan pertanian presisi yang berkelanjutan.
Kata kunci: Pertanian Presisi, Machine Learning, Gradient Boosting, LightGBM, Prediksi Tanaman

Dosen Pembimbing:	Ghufron, Ghufron | UNSPECIFIED
Item Type:	Thesis (Undergraduate)
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions:	Fakultas Teknologi Industri Fakultas Teknologi Industri > Mahasiswa FTI - Skripsi Teknik Informatika
Depositing User:	Pustakawan 4 UNISSULA
Date Deposited:	18 Nov 2025 06:26
URI:	https://repository.unissula.ac.id/id/eprint/42094

Actions (login required)

View Item